کنترل کننده آموزش پذیر برگرفته از ساختار سیستم عصبی جهت تولید رفتار های پیچیده در ربات انسان نما
چکیده
در این مقاله مسئله ی کنترل حرکت ربات های انسان نما مورد بررسی قرار می گیرد. مسئله ی یادگیری حرکات مشابه انسان به خصوص حرکات موزون و تکرارشونده به ربات های انسان نما چالشی بزرگ در زمینه علم رباتیک محسوب می شود. یادگیری تقلیدی که زیرمجموعه ای از یادگیری بانظارت است، یک فرم اصلی جهت یاددادن کارهای پیچیده به ربات به شمار می آید و بر این اساس استوار است که یک سیستم مصنوعی می تواند حجم بالایی از اطلاعات را از طریق یادگیری تقلیدی از فرد آموزش دهنده یاد بگیرد. روش اصلی به کار گرفته شده در این تحقیق جهت یادگیری حرکات موزون و تکرارشونده به ربات انسان نمای نائو، یادگیری تقلیدی است. تکنیک اصلی به کاررفته در این پژوهش استفاده از ساختارهای عصبی موسوم به مولد مرکزی الگو می باشد که قادر است الگوی موردنیاز برای حرکت در یک ربات را بر اساس یک نوع آموزش نمایشی به دست آورد. نحوه ی طراحی سیستماتیک این ساختار عصبی مصنوعی که در علم کنترل کاربرد های فراوانی دارد، اصلی ترین چالش پیش روست که در این مقاله به ارائه ی روشی برای آن پرداخته شده است. روش سیستماتیک طراحی و آموزش مولد های مرکزی الگو که از بازخوردهای حسی جهت تطابق خود با شرایط جدید استفاده می کند، در یک مدل دولایه ای موردبحث و بررسی قرار داده شده است. مدل ارائه شده یک بستر مناسب جهت ارائه ی آموزش های نمایشی و مبتنی بر نمایش برای ربات های انسان نما محسوب می شود که نیاز به کنترل صریح و برنامه نویسی مستقیم را برطرف می سازد و امکان آموزش غیرمستقیم رفتارهای پیچیده روی انواع ربات ها را مهیا می سازد.
نویسندگان و وابستگی سازمانی
- ریحانه پرنده — دانشگاه اصفهان
- حامد شهبازی — دانشگاه اصفهان-گروه مهندسی مکانیک
- کمال جمشیدی — دانشگاه اصفهان
- بهنام خدابنده جهرمی — دانشگاه اصفهان